新论文发现，新版 VLM 从第 1 层就开始图文对齐
stanislavfort · x · 2026-07-22
一篇关于 VLM 表征对齐 的论文挑战了“图像和文本只在后层才对齐”的常见看法。
- 作者对 Gemma 3 做了 DeepDream 风格优化。
- 结果显示，在较新的模型里，图文表征从 第 1 层 就开始对齐，而不是只在高层发生。
- 该帖指向一篇由 evzenwy、javirandor、floriantramer、stanislavfort 等共同完成的论文。
「研究」频道最新
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11